Discusión sobre el artículo "Comprendemos la "memoria" del mercado usando la diferenciación y el análisis entrópico" - página 7

Nuevo comentario
 
Alexander_K:

Como referencia:

Lo leeré entero, gracias. Y los enlaces de este artículo también.

Es interesante, si trazas incrementos aleatorios (bueno, pseudoaleatorios por supuesto), entonces visualmente no se distingue de los gráficos reales. Sin embargo, su densidad también variará aleatoriamente. Y parece que no sirve de nada. Aunque parezca lo mismo :)

Azar

añadido archivo Excel con ejemplo de trabajo

Archivos adjuntos:
tcfvg4_byjgl89ds_3q5g3bja9m.zip  116 kb
 
Aleksei Stepanenko:


Es interesante, si se trazan incrementos aleatorios (bueno, pseudoaleatorios, por supuesto), entonces visualmente no se distingue de los gráficos reales. Sin embargo, su densidad también variará aleatoriamente. Y parece que no sirve de nada. Aunque parezca lo mismo :)

He comprobado una de las secuencias:

Al final no sé qué tiene ahí - algún fallo, no lo he analizado.

Pero, en general, es un proceso aleatorio gaussiano regular, sin ninguna periodicidad en la varianza y es bastante problemático ganar en él, pero se puede.

La diferencia con la BP real es simplemente colosal.

 

Muy interesante, y la junta - un par de filas al final de la tabla debe ser eliminado. He hecho los cambios.

Alexander_K:

La diferencia con el BP real es enorme.

Y construir un indicador en esta diferencia :)

 
Aleksei Stepanenko:

Y construir un indicador sobre esta diferencia :)

Constrúyelo :)))))

Ojalá fuera tan fácil, algunas personas aquí han estado luchando con esta tarea durante 15(!!!) años.

Alguien lo encuentra, por supuesto, e inmediatamente salta de este foro.

 
Alexander_K:

15(!!!) años han estado luchando con esta tarea. Alguien lo encuentra, por supuesto, e inmediatamente salta de este foro.

¡Hola, nirvana!

 
Aleksei Stepanenko:

Lo leeré todo, gracias. Y los enlaces de este artículo también.

Es interesante, si trazas incrementos aleatorios (bueno, pseudoaleatorios por supuesto), entonces visualmente no se distingue de los gráficos reales. Sin embargo, su densidad también variará aleatoriamente. Y parece que no sirve de nada. Aunque parezca lo mismo :)

he añadido un archivo Excel con un ejemplo que funciona

Y si cargas este gráfico en mt5 como minutos y activas el marco temporal m15 o n1, no podrás distinguirlo del gráfico de mercado a ojo, lo he comprobado.
 
Maxim Romanov:
no se nota en absoluto la diferencia con el mercado a simple vista.

¡Gracias, eso es genial!

Pero hay diferencias en los gráficos. La fórmula de Excel produce incrementos aleatorios, y la frecuencia de aparición de estos incrementos es más o menos la misma. Puedes ver visualmente que hay un pequeño número de incrementos de gran magnitud (movimiento) en el gráfico de mercado. Así son las cosas :)

 
Maxim Dmitrievsky:

Ya escribí en el tema MO que esto se hace supuestamente de una sola vez usando la transformada inversa de Lambert

pero hay matriz demasiado complicado para mí https://www.hindawi.com/journals/tswj/2015/909231/

Aunque hay paquetes para R y Py

Hay un paquete en R (LambertW) y "gaussianiza" perfectamente. A continuación se muestran los gráficos de EURUSD/M20 logreturn crudo y "gaussianizado".

require(LambertW)
set.seed(12358)
y1 <- diff(log(pr$close), 3)*100
out <- Gaussianize(y1, return.tau.mat = TRUE)
x1 <- get_input(y1, c(out$tau.mat[, 1]))  # same as out$input
test_normality(tail(y1, 4000)) 
test_normality(tail(x1, 4000)) # Gaussianized

kfc

Fig.1 Datos logreturn sin procesar

pfgishftschiau

Fig.2 Datos procesados

[Eliminado]  
Vladimir Perervenko:

Existe un paquete en R (LambertW) que "gaussianiza" perfectamente. A continuación se muestran los gráficos de la EURUSD/M20 logreturn crudo y "gaussianized".

Fig.1 Datos logreturn brutos

Fig.2 Datos procesados

bueno, convierte de nuevo a kotir y luego toma los retornos fraccionados del artículo y obtendrás lo que Alexander está machacando tan inconsolablemente. Idea.

 
Vladimir Perervenko:

Existe un paquete en R (LambertW) que "gaussianiza" perfectamente. A continuación se muestran los gráficos de la EURUSD/M20 logreturn crudo y "gaussianized".

Fig.1 Datos logreturn brutos

Fig.2 Datos procesados

¿Puedes explicar por qué "gaussear" las citas, qué ventajas debería dar, etc., y cómo tratar los nuevos datos? ¿Cómo trabajar con los nuevos datos "entrantes" utilizando este método?

123456789101112
Nuevo comentario